分享简介

自动驾驶汽车、智能零售、智能语音交互、机器翻译以及机器人已经出现在我们的生活里面。这一场因为云计算而推动的人工智能革命几乎让科幻小说的内容变成了现实。然而，大多数公司并不担心人工智能带来的威胁，他们更想知道AI能为他们的数字化变革做些什么。将人工智能从炒作与真实应用区分开来可能令大多数人感到困惑，尤其媒体与舆论渲染出来的焦虑已经让我们逐渐失去耐心。那么，你将如何开始并让人工智能为我所用 ? 如何在云计算的大潮中通过智能化的应用脱颖而出？ 这就是我在这次演讲中要回答的问题。从完善客户体验，增加竞争优势和提高效率，我将讨论并展示如何在云计算的环境中使用人工智能以更有效的方式达成数字化变革。

分享提纲

1、 人工智能发展的现状； 2、 人工智能的机遇与挑战； 3、 人工智能+云计算的三个趋势；4、 人工智能+云计算的案例。

分享收益

1、目标：

从云计算的视角探讨人工智能借助云计算在资源与技术上的优势如何在具体的场景与行业实现结合的实践

2、成功要点：

充分利用云计算带来的助力，挖掘大数据的潜在价值，设计、训练实现良好的模型，为各行各业的人工智能应用提供最佳的支持。

3、启示：

20 多年来，Amazon 大量投资于人工智能领域。机器学习 (ML) 算法驱动了我们的许多内部系统。这也是我们客户所体验的功能的核心 – 从我们运营中心的路径优化和 Amazon.com 的推荐引擎到 Alexa 提供技术支持的 Echo、我们的无人驾驶飞机 Prime Air 以及我们新的零售体验 Amazon Go。这仅仅是一个开始。我们的使命是将我们的学习经验和 ML 功能作为完全托管的服务进行分享，并把它们交付给每位开发人员和数据科学家。

分享简介

分享的主题是“阿里UC如何以GLOCAL策略实现全球4.3亿月活”，UC国际化七年至今，实现4.3亿月活这样的一个成绩，与阿里UC的全球化战略是分不开的。全球化是今天的中国移动互联网领域的创新土壤，为中国优秀的互联网企业创造了往外走的一个最好的时代。而中国企业在产品和技术上的日新月异、在经营理念上的独创，也为我们弯道超车提供了最有力的保证。
UC在过去七年多的时间里，也正是经历了这样一个历程，成长为阿里文娱全球化的旗舰。那么今天，本次分享主要分享UC在走向全球化的过程中的经验总结。

分享简介

在中国企业走向国际化的路途中，必然面临海外拓展的巨大挑战。本次分享将通过具体的案例分析来识别国际化的困难并寻找适合的解决方案。

分享提纲

1. 制造业海外拓展的问题；2. 信息化海外拓展的目的；3. 海外拓展的数字化难点；4. 经验分享和思考。

分享收益

1. 目标：通过不同类型企业的海外拓展经验分享，为企业海外信息化和数字化建设提供全面的思考帮助

2. 要点：i. 不同企业走出去会面临的问题；ii. 信息化为业务海外拓展提供的帮助；iii. 海外拓展的数字化的经验分享和思考

3. 启示： 中国企业走出去的过程中，不可避免的面对国际化路径的选择困惑和落地路径的差异。从本地公司到跨国公司再到全球企业的发展路径中每一个公司都会面临文化冲击，市场差异，账务法规的不同以及地域时区差异引起的不便，区域性企业的内部IT策略面对这么多的挑战，需要从整体上认真设计和规划，以真正支持国际拓展目标的达成。

分享简介

分享将以ERP项目案例的方式，讨论产品研发团队如何以设计主导并运用设计思维，在日常产品项目研发周期同时，进行概念设计落地。灵活运用设计思维的流程和方法，通过跨团队跨地域的相互协作了解用户，洞察用户，明确用户在企业ERP产品研发中真正需求，从用户的角度出发，最终完成产品的创新设计。

分享提纲

1.ERP产品跨团队跨地域研发 2.设计思维核心价值 3.设计思维流程 4.设计管理

分享收益

１.目标：设计主导，设计思维驱动产品研发的设计创新

２.成功（或教训）要点:

-运用有限资源和项目规划，仍然可以进行产品研发的体验创新和设计的落地。

- 产品的问题理解和分析部分，比问题解决部分更加重要：产品的设计洞察点方向错误将导致问题解决部分的工作资源的浪费，最终产品无法得到用户的认可

- 有效的沟通方式和运用设计思维流程，将使得跨团队跨地域的协作变得流畅而高效

分享简介

共享教育与直播授课相结合的模式近几年来持续受到资本的青睐，本次分享将与大家一起探讨：在火热的“共享经济”理念下的互联网+教育产品的全球化设计实践。

分享提纲

1   共享教育商业模式与行业现状 2  全球化共享教育的机遇与挑战 3  国际化在线教育产品设计实践

分享收益

1.目标：

运用科技的力量和人性化的设计打造全球化在线学习平台，为同样走在“全球化”、“共享＋”或“互联网＋”的从业者带来启示；

2.成功要点：

1）数据算法：用户个性化需求匹配，2）服务流程：客户保护与高效响应，3）产品设计：角色差异与平台选型，4）内容教研：权威教材本土化设计，5）技术研发：迭代替换与前瞻探索。

分享简介

人工智能时代的来临，从技术上的标志是深度学习的大规模应用，从alpha GO打败李世石到Echo产品的成熟和完善。我们目前正在面临第三次交互升级，这次交互升级是机器智能发展的必然结果，从最开始我们通过键盘和鼠标操控机器；到后来进入移动互联网时代，个人计算中心从PC转移到手机；今天，随着机器的进一步发展和进化，交互方式的升级让机器开始去理解人，用人类自然语音的方式和人类沟通。

分享提纲

1.计算机出现后的三次交互升级 2.人工智能的趋势——云端一体 3.交互升级带来的生态变化 4.超级智能硬件入口的特征 5.超级智能硬件入口的中心化

分享收益

1.目标：了解人工智能技术发展带来的交互升级的趋势，对未来人工智能时代的生态变化有理解，对未来产业趋势有新的认知

2.成功要点：理解人工智能时代生态的变化和智能硬件的发展趋势

3.启示：可以从产业趋势判断自己行业的位置和未来发展的方向

分享简介

万物智联是物联网的发展趋势，如何利用人工智能、大数据、云计算的优势助力物联网的发展是需要持续不断思考的课题。本次分享会介绍腾讯在商业、酒店、旅游、公园等行业的案例实践，同时会重点介绍承载这些项目的底层全栈式物联网开发平台、边缘计算服务以及腾讯携手合作伙伴共创双赢战略。

分享提纲

1、物联网发展的新趋势 2、物联网在行业的案例实践 3、全栈式物联网开发平台 4、边缘计算服务 5、云+创业扶持计划

分享收益

目标：如何借力成熟的物联网平台发展自身业务

成功点：物联网如何借助人工智能、大数据、云计算的先进技术完成自身升级

启示：

1如何快速集成边缘计算能力

2创业扶持计划如何为创业者带来真金白银的帮助

分享简介

伴随国内平安城市、智慧城市等项目深入发展，安防领域成为人工智能落地场景的重要赛道，大规模视频监控需要智能视频分析、人脸识别技术的支撑。本次分享会介绍目前旷视在智能安防领域的应用与实践。硬件层面会介绍旷视自研的软硬一体智能设备，算法层面会分享人脸识别在安防领域的几类核心算法应用，实践部分将会介绍旷视洞鉴人像大数据平台是如何衔接软、硬、算法，在安防场景的落地应用。

分享提纲

1.人工智能在安防领域应用场景 2.基于人像的智能化监测预警 3.基于视频的结构化数据抽取与应用 4.大规模视频网络下的高效数据传输与高性能处理分析

分享收益

目标：

了解人脸识别技术在安防领域中应用场景及核心算法，如1：1人脸识别、1：N人脸识别，M:N动态布控，人流统计、视频检索等。

成功要点：

理解核心算法实现，系统设计综合考虑精度与性能方面的取舍

启示：

如何在复杂网络环境和大规模摄像头视频流网络下， 设计实现智能化监测预警与控制系统

分享简介

随着人工智能技术的不断进步，具有自动分析能力的智能摄像头开始大规模普及。本次分享将介绍目前智能摄像头网络的应用与挑战。算法上重点介绍智能摄像头中的关键技术，以及如何融合多个摄像头组成智能摄像头网络。实践部分，将介绍如何采用端云结合的方式，对算法进行拆分，从而达到效率和精度的平衡。

分享提纲

1.人工智能时代的摄像头网络 2.基于人脸的视频理解 3.基于人体的视频理解与行为分析 4.分级处理-速度与性能的平衡 5.多摄像头协同

分享收益

1.目标：

了解家用摄像头场景下的核心技术，如人脸检测、识别，人体检测，行为识别，跟踪等，以及相应的工业化应用。

了解多摄像头协同，重识别等关键技术，理解如何从单个智能摄像头拓展到整个智能摄像头网络。

2.成功要点：

理解核心算法的算法原理，以及不同算法的适用范围。了解不同算法的计算复杂度，进而从整体的角度进行系统设计。

3.启示：

可以举一反三的领会IoT时代智能摄像头网络的广泛应用，对人脸、人体、跟踪、行为分析、重识别等核心技术有全面的了解，了解如何设计一个智能摄像头网络分析系统。

分享简介

I+IoT是目前非常热门的研究和应用方向，随着百箱大战的展开，可以说这个市场越来越火，但是为何普通消费者总觉得这些产品似乎不是那么智能？相关业内人士也感觉智能硬件似乎非常不好做，为何会有这种情况？如何来破解IoT智能硬件碎片化带来的整体商业效率的挑战？让我们一起来聊一聊

分享提纲

1. AIoT(AI+IoT)热度迅猛，但是AIoT实际落地的主要挑战巨大，分享当今的难点

2. 应对AIoT挑战的战略和路径  3.云端芯战略的详细阐述和案例

分享收益

目标：听众可以比较清晰地了解面向AIoT市场云端芯战略出台地背景和演进路线，充分理解智能硬件落地的各项挑战和最佳应对策略，启发听众对于AI落地场景的思考

成功（或教训）要点：面对碎片化智能硬件市场，必须找到最高效率的方式来应对，否则将陷入碎片化作战带来的成本攀升，经营困难。

启示：云端芯战略给AIOT带来的巨大贡献

分享简介

在目前的技术环境下，除了物计算和云计算外，要满足现实场景，特别是AI和工业互联网的落地，都需要新的载体，这个载体不仅是物理上能在端与云之间成为数据交换、规则定义和模型的桥头堡，还要能为新形态的垂直场景提供类似Docker这样的软件环境，这就是泛边缘计算，我们一起结合AIOT探索它实现形式。

分享提纲

1.Edge-可能的蓝海 2.AI落地中对“中间件”的要求 3.IIoT中的边缘计算 4.软件定义场景与安全：泛边缘中的Azure Sphere

分享收益

1.目标：了解人工智能技术发展带来的交互升级的趋势，对未来人工智能时代的生态变化有理解，对未来产业趋势有新的认知

2.成功要点：理解人工智能时代生态的变化和智能硬件的发展趋势

3.启示：可以从产业趋势判断自己行业的位置和未来发展的方向

分享简介

伴随中国经济步入新常态，经济结构正从要素驱动、投资驱动转向创新和效率驱动。在信息技术的进步下，供应链也已发展到与互联网、物联网深度融合的智慧供应链新阶段。随着产业互联网的蓬勃发展，各行各业开始兴起了供应链平台的建设，并平台化建设是为整合产业主题的新路径。然而,如何认识产业供应链平台的内涵,又如何踏踏实实地将供应链平台建成产业发展的坚实基础,这是需要系统思考和探索的话题。供应链金融将朝着智慧化方向延伸，在平台建设上搭建依托产业供应链的生态，利用物联网、大数据、云计算、人工智能以及区块链构建金融生态。

分享提纲

1.供应链金融生态体系与创新
2.新兴技术对供应链金融变革的影响
3.基于大数据分析的供应链金融
4.基于产业生态的供应链金融
5.国美供应链金融分享的几个知识点（可以突出具体的实际行业实例）

分享收益

目标：

如何充分运用互联网、物联网、云计算等新兴技术手段重构产业，形成共赢和共同发展的产业生态，确立有效的产业规则和信用，实现金融发展空间。

成功要点：

1.以互联网平台为基础的产业整合在加剧；

2.产业供应链作为一种生态开始于金融生态结合；

3.金融科技成为推动智慧供应链金融的主导力量；

4.防范风险成为供应链金融的核心能力；

5.协同专业化将成为智慧供应链金融的主题

启示：

传统产业竞争已经从单一产业的同业竞争，演变为产业供应链之间的竞争。很多传统制造行业面临产能过剩、价格万象的局面，供应链金融将会促使行业形成良性循环的生态圈。

分享简介

中小微企业融资存在融资难，融资贵，融资贵等诸多困难，金融科技平台通过风控建模、大数据风控和信贷工厂等技术，实现不同于传统金融机构授信方式，平台更加注重供应链金融四流合一的特点，匹配交易的真实性和自偿性，实现对供应链的流程控制，并在金融科技平台上嫁接诸多资金来源，从实现金融服务的无缝对接。

分享提纲

1.供应链金融的特点；
2.金融科技的实现路径；
3.金融科技提高供应链金融整体效率；
4.金融科技服务中小微企业，推动实体经济发展。

分享收益

１.目标：让更多的人了解金融科技如何推动实现供应链金融的发展和变革；

２.成功（或教训）要点：平台搭建过程、资源对接积累。

分享简介

伴随着技术的发展以及数字化时代的全面到来，传统的企业供应链管理以及供应链融资面临着新的挑战与变革，如何应对数字化时代供应链金融服务好供应链企业同时从自身金融供应链的健康发展的这目标，从供应链管理的视角重新审视供应链金融，围绕技术的“变”与供应链的“不变”，用数字化供应链变革的方式和思维来重新构想供应链金融的发展创新。

分享提纲

1.重新想象供应链金融 2.供应链金融与供应链共荣共生 3.供应链金融生态与挑战 4.数字供应链变革对供应链金融创新的启示 5供应链金融案例与展望

分享收益

１.目标：让更多的人从供应链的本质理解供应链与供应链金融的共荣共生的关系
２.成功（或教训）要点：在数字化时代， 如何围绕技术的“变”与供应链管理的“不变”，发展供应链金融创新，创造产业价值。

分享简介

科技已经对金融行业产生了深远的影响，金融科技攻城略地蚕食，传统金融在市场化竞争之下，利润收窄，市场流失。欧盟和英国已经打开了PSD2和Open Banking银行服务平台化的潘多拉魔盒，我国也在鼓励开放金融市场，欢迎外资进入，中国的开放金融势在必行。金融科技善用新技术，更善于造生态。API经济，正受到全球各大研究和咨询机构的广泛关注，API和银行服务平台化，将帮助传统金融解耦沉重历史包袱，封装数据和业务能力，打造开放金融的新生态新蓝海。

分享提纲

1. 全球金融业近年发展趋势 2. 面临的问题与挑战 3. 数字化转型压力 4. 金融科技的威胁

5. 开放金融趋势 6. API经济观点 7. API生态圈、商业价值、生命周期、实施路径等

8. 开放金融思考及案例参考

分享收益

目标：如何快速搭建一个API服务环境等。

启示：介绍金融科技竞争格局下的市场状况、全球开放金融转型格局、API经济观点、商业模式、技术生态、实施路径等

收益：

1.了解开放金融理念、PSD

2.Open Banking等欧洲金融动态

3.API经济在各研究机构的普适观点

4.API平台构建的方向、方法、策略、生命周期和商业模式4、API平台构建的参考架构

分享简介

通过实际案例讲解信用支付及贷款平台的架构演进过程，以及平台内核心系统的设计过程；同时介绍平台用到的关键技术支撑系统的技术架构；以及平台未来的发展之路。

分享提纲

1.信用支付及贷款平台应用架构的演进过程   2.信贷风控系统的设计要点 3.基础支撑系统的设计介绍    4.未来发展之路

分享收益

1.目标：
a.通过分享了解信用支付及贷款平台的应用架构设计思路、设计方法和演进过程；
b.了解如何实现高性能高并发的支付场景下，系统的设计方法和实践过程。
c.了解基础支撑系统的设计要点，以及如何保障平台业务系统群的稳定运行和监控运维。
2.成功要点：
系统的应用架构不可能一成不变，但相对稳定、扩展性好的架构设计，能够较好的应对业务的快速发展，支持产品的快速跌代开发、测试、上线布署及运维监控，减少技术负债，减少实施的工作量，即是减少成本，为企业带来收益。
3.启示：
可以举一反三的领会应用系统的架构设计过程，了解关键业务系统和支撑系统的设计要点。

分享简介

AI技术正在深远地改变着社会的方方面面，金融领域是AI技术应用的一个前沿阵地，不仅拥有充裕的资金支持运用AI进行金融创新，也拥有丰富的应用场景。智能客服是其中一个典型场景，应用ASR、NLP、TTS、声纹识别等核心AI技术，在智能IVR、智能核身、在线机器人、语音对话机器人、智能知识库、智能坐席助手、智能质检、智能防骚扰、智能销售线索挖掘等诸多应用场景中都能大幅提高效率、提高销售业绩、提高客户满意度、降低人工操作、减轻风险。如何选择核心技术伙伴？如何规划最佳实施路径？如何做出实效？如何避免误区？作为AI技术应用的实操者，与大家分享其中的酸甜苦辣。

分享提纲

1. AI技术在金融领域的应用范围 2. 智能客服所应用的核心AI技术 3. 金融业智能客服的具体应用 4. 智能客服应用的常见误区 5. 展望金融业智能客服的未来

分享收益

目标： AI应用目前仍是比较昂贵的，如何取得较好的回报？金融企业除了购买、研发AI核心技术外，自身还需要做哪些努力才能达到理想的效果？成功的AI应用会带来哪些收益？如何持续优化效果?

收益：AI实操方法和经验教训，充分应用已有的行业应用成果案例展示

启示：

1. AI目前能做什么？不能做什么？

2. 在AI与人都能做的场景，选择的关键要素是什么？

3. AI是否会造成客服行业的大失业？它又能创造出什么岗位？

分享简介

分析现阶段政府大数据以及电子政务领域的顶层设计思路，直击其业务痛点和建设误区，从正反两面对中国政府的信息化建设现状进行论述。在此基础上，介绍百分点的Deep Governor产品，阐述其基本架构、设计思路、应用场景以及如何辅助政府部门完成智能化的趋势预测、对策分析、政策模拟、效果评估等业务。阐述Deep Governor在提升政府决策效率，降低决策风险，增强政府治理水平的效果和预期。

分享提纲

1、政务大数据应用的国家战略； 2、Deep Governor的研发背景； 3、Deep Governor的业务应用场景；

4、Deep Governor的核心技术模块； 5、Deep Governor的实施与收效。

分享收益

1、目标：

立足于智慧政府建设、政务大数据应用层面，介绍国家级顶层战略规划；并结合各级地方政府的落地模式提出解决方案。

2、成功要点：

设计对应的功能模型和数学模型，以大数据可视化方式呈现，提供政府决策技术工具，为政府管理人员和行业专家提供全面、准确、快速的决策支持数据，实现对政府相关业务进行事前决策、事中控制、事后反馈的全局智能支持。并根据以上规划和方案在海外“一带一路”国家实施项目，输出中国经验和软实力。

3、启示：

百分点Deep Governor产品，通过智能化的态势感知、趋势预测、对策分析、政策评估等手段，帮助政府部门清晰洞察相关业务领域的客观现状，为政府决策提供全面的数据支撑，体现政府决策的前瞻性、科学性、可评估性。从而提升决策效率、降低决策风险，推进国家治理体系和治理能力现代化，实现“数据治国”。

分享简介

随着人们对安全、高效、舒适的驾驶体验的不断追求，自动驾驶成为人工智能新的突破口，也承载着人类未来出行的大梦想。景驰科技率先提出要在2020年中叶实现无人车的量产和运营投放，成为全世界第一批、中国第一家能够规模化应用无人驾驶技术的并商用运营的企业。此次报告将围绕景驰最新的科研成果分享景驰对汽车行业趋势的判断，人工智能中无人驾驶领域的具体应用，分析无人车技术领域的难点与创新，无人驾驶的商业落地模式探讨，并向外界展示景驰在高精地图，基于深度学习的障碍物检测、识别跟踪等多个领域的产品demo。

分享提纲

1.汽车行业的3大趋势及景驰的商业模式  2.AI在无人驾驶中的应用  3.景驰的核心技术  4.景驰的无人驾驶技术如何商业落地
5.景驰目前成果的展示（视频）

分享收益

了解人工智能在当前汽车行业发展的大趋势下的机会
了解无人车技术领域的难点与创新
了解技术如何商业落地
了解到无人驾驶出行市场巨大，且切实可行，前景可期

分享简介

分享TensorFlow及深度学习的发展历程、深度学习在不同方向上的应用场景和技术，并具体介绍如何将深度学习落地到服装设计行业

分享提纲

1、TensorFlow及深度学习的发展历程 2、深度学习的应用介绍 3、 深度学习在服装设计方向的机会与挑战 4、 深度学习的落地实践

分享收益

目标：TensorFlow平台和深度学习的发展历程

成功点：深度学习在不同方向上的应用场景和技术

收益：

1 了解深度学习落地的机会与挑战

2 了解深度学习落地服装设计的技术框架

分享提纲

机器学习与深度学习技术目前在学术界和工业界取得了广泛的成功，并逐渐受到了高度重视。本课程主要概述机器学习与深度学习的整体框架以及在计算机视觉、自然语言处理等领域的应用。通过听众掌握机器学习与深度学习技术的基本原理、实际应用以及最新研究进展。

分享收益

1.机器学习概述 2.深度学习概述 3.主要模型案例 4.深度学习机器学习最近进展 5.当代行业中的应用

分享简介

知识表示和推理的知识图在过去十年，被应用却不曾普及到全行业。本次分享用图形表达本体，从而可以在图形上执行并行推理。将介绍一些关于知识图的非标准推理的工作。基于上下文信息的知识表示学习方法，将介绍我们从数据中学习轻量级本体的工作。最后，将讨论知识图在不同领域的应用，如金融、互联网、物联网等

分享提纲

1分享的几个知识点（突出具体的实际行业实例） 2 知识图谱的表现在行业中的展现 3知识图谱的逻辑基础 4知识图谱的更新 5知识图谱的机器学习 6知识图谱的应用

分享收益

１.目标：让行业实践者更好地了解知识图谱表示和推理的理论和应用

２.成功（或教训）要点：知识图谱推理需要能够处理大规模数据，所以需要采用并行推理技术

４.启示：提炼出该内容（或项目）的具体收益点。

学习知识图谱的历史，了解知识图谱推理的最新进展，包括逻辑推理和统计推理，了解知识图谱推理的应用。

分享简介

由于量子计算在某些问题的处理能力上相比于经典计算机有着压倒性的优势，被普遍认为是下一代的计算技术，因而引起了广泛的关注。目前，人们在十余种体系中探索着可扩展量子计算，超导方案是其中备受关注的一种。超导量子计算是利用超导体特有的宏观量子效应而构建的一种量子计算方案。因为工艺上与现有的半导体相同，因此具有良好的可扩展性。随着该方案一些瓶颈性问题逐步得到解决，人们已经看到了量子计算走向实用化的曙光。目前，例如Google，IBM，阿里巴巴等大型高科技公司纷纷开始介入该项领域，力求在量子计算实用化的道路上取得实质性的突破。本次报告将就上述内容进行详细的讲解，欢迎大家聆听。

分享提纲

1.量子计算简介 2. 超导量子计算简介 3. 超导量子计算目前的进展和问题 4.超导量子计算展望

分享收益

了解什么是量子计算；了解最前沿的量子调控技术；了解量子计算的现状与未来

分享简介

智能这件事我们已经差不多玩到极致了，单项的人工智能已经在很多领域突破了人类的认知能力，但是为什么我们做出来的东西有几个可以拿出来说叫智慧的？为什么会出现这种情况？这背后的逻辑是不是有可以重新审视并改进的？有没有真实的商业场景来支撑？技术层面有哪些帮助智慧的理念可持续性地落地的？让我们来一起聊聊。

分享提纲

1.从微软Build大会看人工智能的前沿发展 2.人工智能的能力分析 3.组合人工智能和物联网技术，满足场景的真实需求 4.智慧的场景设计

分享收益

１.目标：
听众可以比较清晰地理解以微软为代表的人工智能的技术前沿成果、哪些比较容易转化为业务驱动力，以及启发听众对智慧场景的思考
２.成功（或教训）要点：
突破单项技术发展的局限，脱离单纯炫技，创造有实际收益的场景

分享简介

近年来深度学习异常火热，并在语音识别、图像识别、机器翻译等诸多感知智能领域取得了显著效果，但深度学习也存在对大量标注样本数据的依赖、需要大量计算资源、缺少可解释性、无法进行有效推理等问题。语言文字是人类智慧文明的载体，对语言的理解需要更高层面的认知智能。知识图谱以人类和机器皆可理解的实体、属性、关系的三元组为基本结构，以实体和概念为节点，关系为边构建一个巨大的语义网络，以此为基础进行推理计算，有助实现能推理、可解释的感知智能。本次分享首先介绍感知智能和认知智能的关系，阐述如何基于知识图谱实现认知智能，结合达观数据经验说明分享知识图谱的构建心得，最后分享达观数据文本智能处理的若干应用实践。

分享提纲

1、知识图谱的概述；2、知识图谱在企业中的应用；3、知识图谱与人工智能的关系；

4、达观数据知识图谱构建经验；5、达观数据文本智能处理应用。

分享收益

1、目标：

对语言文字的处理和理解是各行各业的日常重要活动，通过知识图谱等人工智能技术实现对大量文本的自动化抽取、分类、匹配、审核、比对、纠错、生成等各种智能处理可以极大提升行业执行效率同时显著降低人员成本。

2、成功要点：

文本智能处理的核心是自然语言理解，NLP和深度学习算法是构建知识图谱的基础技术，知识图谱+NLP可以实现自然语言理解。

3、启示：

达观数据基于深度学习和知识图谱实现的文本智能处理系统包括垂直搜索引擎、智能推荐引擎、文本挖掘引擎，可以实现对长文本内容的匹配、分类、抽取、审核、比对、纠错、生成等各种智能处理，从而极大提升行业执行效率同时显著降低人员成本。

分享简介

深度学习是人工智能领域的一场革命。它对众多传统和新兴产业形成了深远的影响，在许多人工智能领域取得了重要的突破。然而，在实际应用过程中，深度学习模型的推行存在着诸如结构难以设计、调节超参工作复杂繁冗等许多问题。设计一套自动生成和优化的深度学习系统，可以显著提高深度学习任务的效率，降低设计门槛，并探索更优的神经网络结构。本次分享将介绍微博开发的一套深度学习中模型自动生成和优化系统的实现细节。

分享提纲

1、 背景介绍 2、 深度学习模型自动生成和优化系统基础框架概览 3、 系统三大构件工作原理介绍 4、如何使用系统及一些运行实例

分享收益

1、目标：

开发一套深度学习模型的自动生成和优化系统，更简单、更高效地设计深度学习模型，显著降低深度学习模型设计门槛。

2、成功要点：

理解神经网络结构的设计要点，结合多种模型训练手段，充分利用深度学习的高效率、普适性和可塑性，在主要框架基础上不断深入，挖掘更实用、更高效、更简单的深度模型建立过程。

3、启示：

降低深度学习模型设计的准入门槛，自动设计实用的神经网络并探索更佳的网络结构，提高算法开发效率。

分享简介

人工智能正在迅速地应用在各行各业，尤其是零售行业将迎来应用人工智能实现新零售转型的春天。线下场景的人工智能技术带来了新的技术挑战，识别调用频次高、图片采集质量容易受干扰、图片量大并且增长快。本次将逐一分享这些挑战的解决思路和方案。

分享提纲

1.视觉识别在新零售领域的应用
2.大规模实时识别线下图片的挑战
3.如何高效利用GPU资源进行推理预测？
4.如何提高线下图片采集的质量和实时性
5.如何存储海量实时图片？

分享收益

目标：分析线下场景的人工智能应用难点和挑战，与同行共同探讨解决方案
要点：不断探索、持续优化，寻找问题的本质，才能不断迭代出更佳的产品应用

分享简介

金融科技大数据实时与多维分析应用：

1）和互联网其他领域不同，金融科技领域需要使用大数据技术主要解决两个问题：a.用户多维度信用相关数据的在线存储和访问: 单用户可能有多达上万行数据；b.用户行为/交易数据的高可用OLTP + OLAP处理：对于实时监控+运营的强需求。

2）问题a的常见解决办法：Hbase/MongoDB。问题b的可能解决趋势：MySQL -> NewSQL。

3）实时数仓 vs准实时应用vs 数仓/BI报表

分享提纲

1. 金融科技：消费金融领域的成长与挑战

2. 实时增长/运营：用户增长/运营周期：天->小时

3. OLAP： Spark + OLAP引擎+ 报表服务

4. 爬虫/三方数据：三方数据的重要性加强

分享收益

1.目标：分享金融科技领域面临的独特问题和解决思路

2.成功要点：技术只是手段，项目成功最终还是看是否解决问题。

3.启示：运营人员渴望强大的中后台。

分享简介

具备深度价值的数据应用可划分为4个层级，每个层级都具备更进一步的价值挖掘。

提出成熟科学的数据应用建设方法论，每个层级的业务梳理内容及实现方法各有不同。

通过分享各个层级的相关案例，使企业明确具备深度价值的数据应用的形态及建设方法，真正挖掘透彻数据价值。

分享提纲

1、具备深度价值的数据应用可划分为4个层级 2、每个层级的功能、目标和示例 3、每个层级的实现方式

分享收益

１.目标：打破企业对数据的利用只停留在报表这一简单层面，使企业明确具备深度价值的数据应用的形态及建设方法，真正挖掘透彻数据价值。

２.成功（或教训）要点：数据应用与数据平台相结合，依靠平台的技术支撑作为载体，梳理企业业务和数据现状，设计具备深度价值的数据应用体系，并在平台上进行实现。

3.启示：提炼出该内容（或项目）的具体收益点。数据的价值绝不仅是报表，可以极大提升企业的结果监控能力、问题诊断能力、决策效率、业务效率、决策水平、预测能力。

分享简介

人工智能飞速发展的今天，整个计算机行业正在经历翻天覆地的变化，从分布式高性能计算，到人机界面的全新交互方式，这些挑战也意味着今天的测试行业也需要作出响应的改变。今天依图科技作为一家在人工智能领域快速前行的创业公司，我们希望何大家分享我们是如何面对今天人工智能的对测试工作本身带来的挑战变革。例如我们如何从质量保障视角来支撑产品的快速迭代，如何在尽可能高效利用有限资源的情况下完成大规模分布式系统的质量保障，如何敏捷支撑不同产品在测试环境下的快速部署，如何快速应对爆炸的接口测试矩阵等等

分享提纲

1. 传统软件和人工智能产品上的一些区别 2. 人工智能产品测试中的一些挑战 3. 分布式系统测试中的工程建模 4. 面对新挑战下的测试工具开发

分享收益

1. 目标

人工智能创业公司在产品快速迭代下遇到的质量保障工程方面的挑战，能和大家分享我们遇到的一些困难，我们的思考和我们的应对方式

2. 成功点

如何统计测试策略的优化，测试技术的升级，通过引入工程建模等多个手段来支撑产品的快速迭代，进一步提高测试工作的ROI

3. 启示

用更加engineering的视角来看质量保障的工作

分享简介

深入分析工程生产力的不同阶段以及给团队效率产品质量带来的影响。当产品走进移动和AI时代，工程生产力的创新和实践

分享提纲

1）什么是工程生产力 2）工程生产力不同阶段 3）工程生产力在移动和AI产品的实践 4）工程生产力文化

分享收益

目标：理解工程生产力以及如何应用；

成功点：分享讨论工程生产力在移动和AI领域的创新

启示：谷歌工程生产力的具体实践

分享简介

随着业务的快速发展，交付速度也越来越快。如何在快速交付的同时快速提升系统的质量？这是当今所有企业面临的挑战，也是一个系统性难题，最快提升的方法一定是发挥开发、测试、产品等多角色的力量，而不仅仅是测试这一单一角色。

结合百度、酒仙网、思源科技的实践，总结出一套屡试不爽快速提升系统质量的方法，在三个公司质量至少都提升了5倍以上，甚至是10倍。

分享提纲

3个月提升5倍质量的实践，内容分别在百度、酒仙网、思源落地实践，充分证明其有效性：

1、 度量先行，没有度量就无法知道成长；

2、 3个月提升5倍的关键实践：

3、 进一步提升的方法

人才升级

分享收益

1.了解质量问题都出在哪里了

2. 知道快速提升5倍质量的方法，清楚具体的落地细节和关键点；

3.依据分享思路指导企业落地

分享简介

互联网高速发展的今天，海量大数据集群自动化智能化管理和监控是一个挑战， 全自动化的集群运维体系构建，可以为企业在人力和成本上做出很大的节约。一个创业公司大数据集群规模从0到数万台规模短短的几年时间，我们在管理和监控上面临着很大的挑战。迎接挑战，从机器管理到集群，部署到监控，自动化到智能化等各方面展开，分享大数据运维体系平台构建的一些经验。

分享提纲

一 平台架构演变 二 小米大数据运维平台体系构建 三  大数据思维做运维监控 四 智能化大数据运维探索与思考

分享收益

目标：从自动化走向智能化等方面的设计实现，对即将做、正在做、已经做的大数据运维相关企业都有受益

成功点：大数据运维体系构建给予启迪和指导，如何做安全，如何做管理，如何做监控，如何控制成本。

收益：从机器管理到集群，部署到监控，自动化到智能化等各方面展开，了解大数据运维体系平台构建的一些经验。

分享简介

“Microservice”，“Serverless“ 无疑是近期软件开发领域最热门的话题。

在Mobvista，Amazon的 多 年工作经历中，本人亲历了多个不同系统的开发和演进，深刻体会了“Microservice”及“Serverless”架构带来优势与困惑。本演讲内容是Mobvista及开发团队在“Microservice”，“Serverless“架构实践中的经验总结以及对于软件架构演进的思考。

分享提纲

1. 为什么要迁移到 Microservice 架构；

2. 如何将遗留系统迁移到 Microservice 及 Serverless 架构；

3. Microservice 架构中的常见问题及解决方案；

4. Serverless 系统实例；

5. 迁移到 Serverless 架构的要点。

分享收益

1. 明确Microservice及Serverless架构的适用场景

2. 遗留系统迁移的方法和要点

分享简介

快手的口号：提升每个用户独特的幸福感。面对每天上千万视频的上传，以及覆盖了上万种不同手机机型的用户，这个口号的实现高度依赖于先进的AI技术的帮助。快手在短视频内容从生产到消费的整个产品流程积累了大量AI技术的应用经验和研究成果。

分享提纲

1. AI技术在快手的应用   2. 挑战与成就    3. AI项目的基本流程   4. 多媒体与AI技术的未来

分享收益

1.目标：本次演讲将分享在短视频领域使用AI技术和开发前沿AI技术的一些经验，以及如何使用AI技术提高用户体验。

2.成功（或教训）要点：第一、清晰探索当下技术能力的边界，预研不等于几篇论文的实验报告；第二、从产品出发定义问题，学术论文的问题定义往往与实际不同；第三、数据是AI技术的核心，一个公司进化成AI公司的标注是数据意识。

3.启示：对如何将AI技术实用化有一个基本的认识

分享简介

分析现阶段3D视频广告制作传统流程情况，分析市场刚需和传统软件的脱节。
详细讲解互联网云端技术给传统方式带来不一样改变。
如何进行云端化工作；
如何进行GPU性能加速；
如何用AI技术进行行业改变；

分享提纲

1.3D领域的传统巨头公司 2.新技术的视频效率对比 3.云端化技术 4.GPU计算优化 5.AI智能应用

分享收益

1.目标：
互联网云端技术、GPU技术、AI技术，对于3D视频、动画行业的改变和思考
2.成功（或教训）要点：
3D渲染，GPU优化带来数十倍的性能优化；
跨行业的云端计算，需大量跨行业人才和跨平台架构能力；
需深刻理解3D前沿技术，站在巨人肩膀上；
3.启示：
将3D视频计算生成效率百倍级提升；
满足一个月几百支广告视频的迭代需求；
满足动画视频行业的天级短剧需求；

分享简介

1.全球化的技术挑战； 2.AliExpress解决方案及总体架构； 3.关键技术细节；4.稳定性治理

分享收益

1.目标：
本次分享对企业的全球化扩张在技术上有借鉴意义
2.成功（或教训）要点：
全球多地读写的数据一致性是成功的关键，本次会详细介绍到
3.启示：
最大化性能，可用性

分享简介

摩拜基础技术和业务架构经过3代演进，有力地支撑了单车业务的高速发展，在国际化业务中，海外用户体验和数据合规等问题给技术带来了诸多挑战。为了满足这些需求，我们做了一系列的技术改造，本分享主要从技术角度来回顾和规划摩拜的国际化技术。

分享提纲

分享的几个知识点（可以突出具体的实际行业实例）

1.国际化业务特点

2.国际化技术挑战

3.国际化实践之路

分享收益

1.目标：

介绍摩拜国际化业务对技术上的挑战，和摩拜的实践之路，供各个公司的国际化技术方案参考。

2.成功要点：

完善的国际化的技术架构成本较高，需要结合自有业务场景的特色需求和当前的技术储备，来做权衡。摩拜的国际化技术实践将方案做成paas化的平台，降低业务的国际化成本。

3.启示：

国际化架构的标准化实践。

分享简介

Offerslook的业务架构经过多次演变，在业务的发展过程中请求量从百万级迅速发展到十亿级。在技术爆炸日新月异的时代，业务不断增长的过程中我们面临了很多挑战。这次主要围绕用户数量、请求量翻增所带来的技术问题、架构迭代和技术优化成本等来分享offerslook的技术发展经历。

分享提纲

1.高并发http动态请求的及时响应 2.实时计算与离线计算的选型 3.颠覆性的海量数据归因查询

4.优化与技术选型带来的效益

分享收益

目标：
了解offerslook技术架构迭代历程，技术选型至此的原因和相应的考虑。
成功点：
高并发、海量数据情况下，围绕数据湖的思想构建基础服务，铺路AI/BI业务场景的应用。
启示：
了解基于HDFS/S3等文件系统构建海量唯一ID归因查询系统的设计方法
了解优化带来的效益和对应的思考。

分享简介

分享儿童智能产品AI交互的实施和未来发展；分享目前所取得的成绩和落地情况以及行业领先的语义对话技术，用最前沿的AI算法和丰富的对话语料来做坚实的垫脚石。Turing KIDS inside是专属， 图灵AI+IP模型是核心竞争力，面向儿童硬件方提供AI技术方案：拥有语音对话：闲聊型/知识问答型/技能任务型；儿童内容点播：音乐/故事/教材/动画；家长端：远程交互/设定提醒/数据管理。

分享提纲

1， 语义对话技术的研发与图灵指标

2， AI+IP的产品形态介绍

3，图灵AI+IP模型分析：IP  = 影响力(粉丝流量) + 消费力(粉丝转化) AI = 多模态交互技术    + 智能化服务价值输出

4，AI+IP+语义的场景落地和情景演绎

5， AI+IP国际上的趋势

分享收益

１.目标：

AI+IP模型的技术路径和市场占有

２.成功（或教训）要点：

理解IP的定义和AI能力的彰显

3.启示：对于儿童智能产品的作用及价值，对家长对孩子的启示，既有情感陪伴又有寓教于乐之功效

分享简介

翻译是一个艺术和工程的完美结合的过程，也是一种沟通传达的一种方式。从技术的角度来看，人工智能的三大组成部分：文本、语音和图像领域进展加快。神经网络机器翻译较传统的统计机器翻译译文质量有了极大的提高，然而一旦涉及到术语等关键信息，译文效果仍然有很大的改进空间。
分享研发团队在干预神经网络底层提出的“限定性神经网络”技术和效果，并在真实的案例中，讲解这一技术如何进行应用。并在分享中，让大家从具体的数字、时间、日期、关键术语的翻译中逐渐体会，未来的智能翻译离我们真实生活会越来越近。

分享提纲

翻译是一个艺术和工程的完美结合的过程，也是一种沟通传达的一种方式。从技术的角度来看，人工智能的三大组成部分：文本、语音和图像领域进展加快。神经网络机器翻译较传统的统计机器翻译译文质量有了极大的提高，然而一旦涉及到术语等关键信息，译文效果仍然有很大的改进空间。
分享研发团队在干预神经网络底层提出的“限定性神经网络”技术和效果，并在真实的案例中，讲解这一技术如何进行应用。并在分享中，让大家从具体的数字、时间、日期、关键术语的翻译中逐渐体会，未来的智能翻译离我们真实生活会越来越近。

分享提纲

1.人工智能划分要点2.文本翻译中的现实问题3.限定性神经网络的原理 4.限定性神经网络的应用

分享收益

1.目标：
分享解决当前机器翻译命名实体的难点，探索文本现实中的应用
2.成功（或教训）要点：
外文的正确理解，很大一部分程度在于对其中的数字、时间、日期、关键术语的精确表达，限定性神经网络的初衷就是通过干预输入的句子，然后让底层神经网络的模型参数进行调整，并准确无误的还原干预部分的译文解释。这个技术的突破，将会使译文的质量得到提升，并可以让混合神经网络的应用成为现实
3．启示：
(1)了解人工智能文本行业进展；
(2)分享智能翻译中的最新研究成果，了解“限定性神经网络”的原理和应用；
(3)提供智能文本翻译领域应用案例

分享简介

介绍闲聊对话技术的演进以及近期的发展；介绍闲聊对话产品在小爱中的应用，包括小爱音箱以及小米生态链设备；介绍闲聊对话技术的主要实现路径，包括检索式、生成式、单轮聊天、多轮聊天、话题追踪；介绍闲聊对话技术的挑战，包括聊天逻辑一致性、情感追踪等方面。

分享提纲

1.闲聊对话产品形态介绍 2.闲聊对话技术简介 3.检索式对话技术介绍 4.生成式对话技术介绍 5.闲聊对话技术未来的挑战

分享收益

１.目标：

理解闲聊对话产品形态以及主流技术路径

２.成功（或教训）要点：

理解检索式对话、生成式对话、单轮、多轮对话的技术原理。

3.启示：对于情感陪伴的人机对话的产品形态和技术原理有深入理解。

分享简介

海量 IOT 设备带来海量数据，比如 智能家居的智能灯、智能开关、智能插座等，产生大量的状态和控制数据；共享单车、智能汽车的定位、状态数据，通过 App 的远程控制；智能穿戴穿戴式设备产生的定位、运动、生命体征数据。如何有效的采集、存储、分析这些数据，如何保障物联网系统的实时、可靠，是一个巨大的挑战。

分享提纲

一. IOT   二. 数据收集的挑战    三. IOT 架构

分享收益

目标：海量 IOT 设备和海量数据的实时收集处理的挑战

成功点：云巴在实时物联网系统的实践

启发：如何适应海量物联网产品面临的新挑战

分享简介

物联网的价值链；日海在边缘计算和人工智能的结合领域的物联网产品；该产品在网约车和视频分析领域的应用

分享提纲

3.物联网的核心特点和价值链； 2. 日海的智慧移动计算终端产品 3. 智慧移动计算产品在物联网中的应用场景

分享收益

1. 对物联网和AI结合的前景有进一步了解 2. 深入了解一款物联网和AI的结合的新产品 3. 对AI和物联网的产品形态的认识的拓展 4. AIOT市场和产品的启发

分享简介

融资、租赁、分时共享、保险等传统金融业务基于物联网、大数据等新技术，在提升服务体验，降低运营成本的同时，可以有效管理和控制金融风险，促进金融创新，变革金融的信用主体，从而有效促进金融的外延升级。与会者能够理解物联网金融的内涵和外延，在构建以物为中心的金融体系中，物联网风控系统的核心价值以及技术架构的一些技术难点。

分享提纲

1.什么是IoT金融   2. 系统整体技术架构  3. 关键技术难点  4. 应用系统案例分享

分享收益

目标：构建以物为中心的金融体系中，物联网风控系统的核心价值以及技术架构的一些技术难点

成功点：AbleCloud成功的物联网技术架构

启发：思考和探索未来IoT世界的金融体系中，物联网风控技术所面临的广阔前景和巨大挑战

分享简介

金融被认为是“区块链颠覆”的核心领域。在这拨革新浪潮中，传统银行业如何抓住机遇，实现创新发展？区块连在金融领域有哪些应用前景？为适应金融业的发展，现有的区块链技术应该做出哪些改变和发展？

分享提纲

1.工行的技术和应用情况介绍

技术：工行的研究进展 里程碑 意义；业务：应用发展情况 贵州扶贫等。

2.区块链技术在金融领域的未来发展展望

技术关注点：安全 性能 隐私保护；业务关注点：重点应用领域 供应链金融，权益证明，公益扶贫等。

分享收益

1.目标：

了解当前区块链应用现状，区块链技术在工行的发展情况，探索区块链技术在金融业的发展前景。

2.成功要点：

理解区块链的应用背景和机会点，银行存在的问题和机遇。

3.启示：

提出区块链在金融业发展的重点领域和技术关注点。

分享简介

通过实际案例讲解信用支付及贷款平台的架构演进过程，以及平台内核心系统的设计过程；同时介绍平台用到的关键技术支撑系统的技术架构；以及平台未来的发展之路。

分享提纲

1.信用支付及贷款平台应用架构的演进过程 2.信贷风控系统的设计要点 3.基础支撑系统的设计介绍 4.未来发展之路

分享收益

1.目标：
a.通过分享了解信用支付及贷款平台的应用架构设计思路、设计方法和演进过程；
b.了解如何实现高性能高并发的支付场景下，系统的设计方法和实践过程。
c.了解基础支撑系统的设计要点，以及如何保障平台业务系统群的稳定运行和监控运维。
2.成功要点：
系统的应用架构不可能一成不变，但相对稳定、扩展性好的架构设计，能够较好的应对业务的快速发展，支持产品的快速跌代开发、测试、上线布署及运维监控，减少技术负债，减少实施的工作量，即是减少成本，为企业带来收益。
3.启示：
可以举一反三的领会应用系统的架构设计过程，了解关键业务系统和支撑系统的设计要点。

分享简介

目前区块链难以支撑大规模商业应用落地，需要对区块链经济体系设计进行共识、通证及组织三个层面的“解耦”，以满足dapp应用在安全、可拓展性以及去中心化方面的要求。与此同时，传统云服务积极探索BAAS(区块链即服务)的创新模式，但仍然面临IAAS层过度中心化、PAAS层灵活性较差、SAAS层进入门槛高等难题。运用“解耦”设计理念以及“公有母链+公有子链”分层架构，对分布式云生态进行模式探索，有助于实现云服务多方协作共赢。

分享提纲

1.解耦区块链经济   2.云服务：分布式商业的初级生态   3.区块链如何塑造分布式云生态

分享收益

1.目标：

本内容可以带给现在行业的借鉴意义

通过“解耦”区块链经济的设计理念，提出“公有母链+公有子链”的分层架构，为传统云服务生态向分布式商业升级提供模式创新的解决思路。

2.成功（或教训）要点：

成功经验总结，哪些技术或其他地方做好了才促使项目成功。

解决思路：解耦共识机制、解耦通证机制、解耦组织协作；“公有母链+公有子链”分层架构

3.启示：提炼出该内容（或项目）的具体收益点。

（1）满足区块链经济对安全、可拓展性以及去中心化的要求

（2）解决目前云服务生态头部过于集中，创新门槛较高的痛点

分享简介

经历了近几年的互联网金融业务的野蛮快速增重阶段，在当下互联网金融监管趋严的情况下，通过大数据AI新技术手段构建互联网金融平台的智能营销闭环体系，降低获客成本及风险指数，提升企业竞争力显得尤为重要。

分享提纲

1.构建智能营销闭环体系的意义 2.构建用户产品画像 3.智能营销平台整体架构体系 4.如何打造智能营销闭环 5.应用落地场景

分享收益

目标：

探索用AI大数据等新技术手段来降低获客成本，精准获客，提升数据化，智能化运营水平

成功（或教训）要点：

构建完善的智能闭环营销平台的关键因素是具备强大的AI,大数据技术团队，全域的大数据整合能力，业务场景模型映射能力，用户价值模型构建预测，同时具备一定的业务整合落地能力，真正意义上的能把这样一套完善的体系进行落地。

启示：

通过大数据AI新技术手段构建互联网金融平台的智能营销闭环体系，降低获客成本及风险指数。

分享简介

融360智能客服的解决方案介绍，以及在智能化质检、常规客服、催收场景的应用与优化。

分享提纲

1.业务背景、业务目标、技术选型介绍 2.智能化质检的解决方案与应用 3.常规客服的解决方案与应用 4.智能催收方向的探索

分享收益

1.目标

（1）如何根据业务目标，如何定制智能客服的解决方案。

（2）如何快速的搭建一套智能客服的系统

（3）了解智能客服在互联网金融行业的落地情况

2.成功要点

智能客服的落地周期比较长，优化的周期也比较长。短期内要取得阶段性的成果需要根据自己的业务，梳理清楚top的问题、核心的业务流程，长期需要一套反馈和学习的系统不断进行优化。

3.启示

智能客服的应用能够帮助企业解决客服人员管理、培训，以及随着规模增长而客服成本线性增长的问题，能够有效的降低服务成本，同时提升用户体验。

分享简介

金融业一方面是大数据的重要产生者，同时金融业也是高度依赖信息技术，是典型的数据驱动行业。在互联网金融环境中，数据作为金融核心资产，不仅仅提升了各个环节的效率，同时极大的促进了金融业的各种业务模型的创新。无论互联网金融领域哪种业务模式、产品交互及各个流程环节无不体现对大数据的合理运用。本分享概要介绍互联网信息技术特别是大数据技术在互联网金融的各个环节的应用，并通过对特定场景的深入剖析，对大数据技术的工程落地和实践进行了阐述和分享。重点对大数据技术在互联网金融中的核心风控环节和精细化运营营销环节的应用进行介绍。

分享提纲

1.新技术赋能下互联网金融的特点

2.大数据在fintech实践中的整体框架

3.大数据在风控领域的应用（国美金融大数据风控的实践）

4.知识图谱在风控领域的应用

5.大数据在精细化运营和营销获客上的应用（国美金融大数据精细化运营营销实践）

分享收益

1.目标

通过对大数据技术的合理应用，特别是将大数据技术和互联网金融的风控和精准运营营销的场景的有效结合，可以有效的提升风险管理的能力和降低获客成本，使得我们能够服务更多的客户，更多风险类别的客户，同时有效的提升我们整体的运营效率。

2.成功要点：理解大数据技术在金融行业中的应用场景以及关键技术要点。

3.启示：整个行业的竞争已经从粗放的资源的竞争转变为新技术能力的竞争、新技术结合场景的应用能力的竞争，如何将大数据技术、互联网信息技术与现有业务模式的充分结合和赋能，将关系着全局的成败。

分享简介

分析阿里云对人工智能实体产业最佳实践的最新研究成果，孕育产业“BAT模式”，孵化行业数字化创新生态圈，从中美科技大事件解读人工智能未来发展趋势，为企业家、技术极客带来天合光能、盾安、中策橡胶、杭州交警、四川特驱、中金易云、淘工厂、天猫精灵、斑马汽车等最新案例、模式、经验。

分享提纲

1、 人工智能十大未来发展趋势；

2、 阿里云“ET行业大脑”的成功案例、最佳实践；

3、阿里云研究中心、“飞天战略营”、《云栖科技评论》简介。

分享收益

1、目标：立足于AI解决产业实际问题，介绍企业向智能产业转型方法论；并结合不同行业的落地模式提出解决方案。

2、成功要点：数据驱动、精准调优、大目标、小闭环的快速迭代，在产业中试点前沿科技，并以实战项目培养兼具数据智能与产业Know-How的“产业极客”，以云平台拉动快速创新。

3、启示：一切业务数据化，一切数据业务化。从业务问题出发，采用行业大脑快速解决。

分享简介

伴随着互联网线上时代发展红利的逐渐消失，接下来我们将迎来线上与线下互相融合与联动发展的时代。依托万物互联产生的海量物联网数据，人工智能技术将在线上线下融合中大放光彩。本次演讲将从智慧物流，预测与智能调度，运筹优化，智能客服，智能营销，图像视觉，语音语义理解，智能机器人等领域去分享如何综合运用人工智能技术去解决线上线下融合时代的技术挑战。

分享提纲

智慧物流，智能调度，智能营销，智能客服，图像视觉，机器人

分享收益

1、目标：这是线上线下融合时代关于人工智能实践的一次完整分享，在业界具有领先地位。从饿了么线上线下融合出发的实际案例，对于同业者有很好的借鉴意义。

2、成功（或教训）要点：算法工程师在人工智能实践中的注意点；技术与线下业务如何配合。

分享简介

广告营销是互联网企业的重要收入来源，同时也是将大数据和人工智能结合的最成功的商业场景之一。在广告营销中，需要解决人群、媒体、创意、效果预估、反欺诈、归因等各种问题，如何选择合适的技术达到最好的效果，是每个广告技术人员最关心的问题；本分享将基于品友的福尔摩斯平台，介绍如何运用深度学习、NLP、分类、聚类、控制论、最优规划等技术，解决广告营销中的上述问题。

分享提纲

1、adtech和martech的差异2、福尔摩斯AI引擎技术介绍：a、算法b、大数据c、云计算3、智能营销的未来

分享收益

1、目标：这是线上线下融合时代关于人工智能实践的一次完整分享，在业界具有领先地位。从饿了么线上线下融合出发的实际案例，对于同业者有很好的借鉴意义。

2、成功（或教训）要点：算法工程师在人工智能实践中的注意点；技术与线下业务如何配合。

分享简介

人工智能技术正被各大企业广泛应用于众多产品和服务之中，包括传统的机器学习算法和时下流行的深度学习算法，如何设计一套人工智能平台以支持AI工程师低成本、高效地开展机器学习和深度学习任务至为重要。本次分享将介绍五八同城人工智能平台的架构设计以及相关模块的技术实现细节。

分享提纲

1、 背景介绍；2、 人工智能平台架构总览；3、 机器学习平台特征工程、模型训练和在线预测模块设计；

4、 如何使用Kubernetes+TensorFlow构建深度学习平台。

分享收益

1、目标：

正确设计机器学习平台和深度学习平台的架构，理解如何将平台应用于业务，提高AI算法开发效率。

2、成功要点：

理解机器学习平台的架构设计，掌握特征工程、模型训练和在线预测模块的功能逻辑和设计细节。熟练使用Kubernetes和Docker技术，熟练掌握TensorFlow深度学习工具。

3、启示：

对机器学习平台和深度学习平台的架构设计和功能细节有透彻的认识。

分享简介

蚂蚁金服金融核心系统对稳定性和恢复能力有极高的要求，构建完备的自动事中检测和恢复能力具有重要意义，也是是业界一大热门话题。结合蚂蚁金服AIOps的实践经验，以单源时间序列异常检测、多源时间序列融合异常检测和业务故障定位为切入点，分享我们在构建自动异常检测和定位能力时遇到的关键问题及解决方案。

分享提纲

1、背景介绍 2、量级（单指标）异常检测算法&子模型融合 3、量级（多指标）异常检测算法 4、“事件&故障”关联算法

分享收益

目标：了解在蚂蚁金服中，技术风险异动检测与定位的实际问题和挑战，如何运用机器学习来解决这些问题。

成功点：人工智能在智能运维领域的应用实践

启示：从业务场景出发，让算法为场景买单

分享简介

精准推荐从算法升级到工程化应用，随着技术发展，不断演进升级，深度学习发挥了越来越显著的作用；

首先分析了建模算法及工程化困局；

其次介绍尤其在深度学习上应用的显著的成果和技术框架；

平安人寿从传统算法出发，迭代高阶算法到深度学习，并在每个阶段不断深化，包括传统算法中的最优分箱、到高阶算法中的自动变量组合与梯度下降调优、再到深度学习的输入预处理与层次结构优化；每一步在上一步基础上，根据软硬件环境和技术发展水平持续提升效果，建立了一整套完整的算法体系和方案，以及相应的工程化应用方案，快速支持业务高效的应用；

最后，展望了精准推荐技术演进发展的方向和趋势.

分享提纲

概述

算法及工程化困局，深度学习技术方案和架构

传统算法:逻辑回归

要点:最优分箱与变量选择，泛化性能与网格搜索，工程化落地实践

高阶算法:GBDT+LR，GBDT+FM

要点:自动组合变量，梯度下降方式，工程化落地实践

深度学习算法: GBDT+FM+DNN，WIDE AND DEEP

要点:输入预处理，层次结构， 调参，工程化落地实践，未来演化方向，总结

分享收益

1.目标

通过深度学习提升精准推荐应用效果，尤其是对金融公司来说如何快速引入新的算法体系和工程化落地方案，具有明显借鉴意义。

2. 成功（或教训）要点

2.1技术框架：合适的技术框架和框架组合；

2.2算法演进迭代：扎实的演进和迭代过程

2.3算法优化过程：深入每个环节进行优化，对照效果

2.4工程化过程：建立平台，支持大数据量的快速迭代和上线应用

3.具体收益

3.1节省成本：基于开源软件，废除了某建模商业软件，年节省费用百万级.

3.2提升效率：建立机器学习和算法应用平台，较传统建模步骤，节省建模时间，缩短到原来的1/2；

3.3提升收益：较传统的算法，精度提升10%+，尤其带来的收益数十亿。

分享简介

hermes是分布式的面向分析型的数据库，在腾讯集团内部大规模应用，支撑了海量结构化和非结构化数据的全文检索、万级维度的分析业务。经过3年时间技术和方案打磨，从2017年起hermes产品化，在如金融、公安领域取得一些成功的案例。此次分享跟大家一起探讨hermes的索引特性、服务高可用架构、高吞吐量架构、高性能分析原理，分析hermes如何立足于众多的NoSQL之中。

分享提纲

hermes在腾讯的应用；hermes的索引特性；hermes的高可用架构；hermes高吞吐实时写入技术剖析；hermes高性能分析技术剖析；hermes的运营打磨与特长

分享收益

1.目标: 讲解分析型数据库的底层技术和架构设计，以及在业务中积累的经典案例，让大家从整体认识分析型数据的技术特点和特长的业务领域。

2.成功要点: 高效的索引、列式存储，追求极致的查询性能；高吞吐量的写入能力，数据高效的可见性；高可用的技术架构，将容错作为一项作要的功能；跟业务一起梳理需求，业务跟数据结合在一起设计。

3.启示: 每一类型的存储引擎都要其善长的点和局限的点，hermes正是在万亿数据规模的检索和万级维度的分析的领域中，成为腾讯集团内部和多个政府、金融客户选择的方案，解决业务上高时效、低延迟的数据分析场景。

分享简介

随着物联网、车联网、传感器，很多企业需要面对海量数据、非结构化、复杂分析等问题，我们需要一款适合大数据库的数据库。另外云成为创业公司等默认的选择，云上具有弹性、低成本的优势怎么体现在数据库之中。本次分享主要围绕阿里云数据库团队在开源的HBase基础之上做了哪些增强，怎么支持混合负载的作业，怎么降低成本，及分享计算存储分离为什么可以实现，新硬件一般用在哪里等问题。

分享提纲

1、数据量增大面临的问题 2、分布式系统构建的基本出发点，每个主流系统关注的点 3、云上数据库系统的核心优势 4、多模式数据库架构 5、怎么支持高负载的作业 6、列举几个典型的场景

分享收益

目标：

学习更加宏观看待数据世界，学习云数据库设计要点，大数据数据库核心问题点

成功要点：

规模化下成本、多模式数据库的分层设计、云资源的弹性使用

启示：

如何发挥云数据库的优势，怎么应用到实际的场景之中，比如：物联网、车联网之中

在哪些场景下，选择什么样的数据库比较适合

如何弹性的使用云上的弹性资源，在数据库与计算分析层面

分享简介

唯品会现在最多使用的流计算框架还是Storm，但是核心应用已经在逐步迁移到Flink上，实时/流计算在互联网公司的业务应用中越来越占用重要的地位，技术发展也在快速迭代，计算框架层出不穷。

本次分享将展示唯品会在实时计算方向上的历程、心得和实时计算中遇到的各种挑战。在大规模使用Flink做计算引擎和使用Kubernates管理计算节点的探索经验。

分享提纲

1.  实时计算平台现状：1700台物理机，700+应用；99.99%可用性

2.  实时平台的发展历程：早期开发SQL失败；现在平台管理、底层计算框架和开发运维统一

3.  实时计算的难点与挑战：时序、TPS和延迟如何抉择

4.  实时平台的发展方向：使用从Storm迁移到Flink的计算公司

5.实时业务指标的经验；以及使用Kubernates建设实时平台的历程和架构模式。

分享收益

1了解实时计算的技术发展趋势和历程、以及唯品会在实时计算平台过程中积累的宝贵经验。

2通过Storm迁移Flink节约1/3计算资源，提升稳定性。

3使用Kubernates来管理容器化的实时计算平台的最新进展。

分享简介

分享内容是业内广告系统中常用的离线计算和实时计算技术，介绍大数据在广告系统中的具体应用以及各个大数据工具组建之间的协调同步应用实践。讲解广告系统中所涉及到的hadoop,spark,hive,elasticsearch,druid等常见技术的应用规模和应用场景，如spark在系统计费环节，数据流处理环节的具体实践，hive在数据仓库中的数据分层建模,以及如何将应用维度数据导入在线查询引擎es druid，如何选定合理的数据聚合方式。然后还讲解到es druid的存储原理，行式存储和列式存储的区别。分享内容从基础使用到原理讲解，从系统架构到技术细节，从宏观概括到原理认识。

分享提纲

基于大数据使用平台计算技术展现如下实例，Hadoop，Spark，Hive，ElasticSearch，Druid

分享收益

１.目标：构建一套广告系统中的大数据服务平台

２.成功（或教训）要点：优化离线计算的数据产出流程，减少计算时间，优化用户体验，增强实时计算的服务稳定性可扩展性，防止维度爆炸数据激增带来的安全隐患

3.启示：可以对业内广告系统中的大数据应用有个整体认识

分享简介

随着数据应用的不断普及和机器学习应用的不断深入，越来越多的用户行为被各大平台收集，基于用户行为理解而构建基于机器学习算法推荐系统越来越普遍。本次演讲主要针对推荐系统中的一些基本问题在基于机器学习技术的解决方案。并结合具体推荐场景案例深入剖析机器学习应用系统在问题定义，用户理解，模型构建及应用的整体流程。

分享提纲

1推荐系统的技术价值 2资源标识案例 3精准兴趣识别案例 4推荐方案案例

分享收益

１.目标： 从推荐系统中的某个具体问题出发，由浅入深分析如何应用机器学习技术帮助推荐系统实现更精准的用户兴趣识别和推荐效果。

２.成功（或教训）要点： 建立以数据和模型视角的用户行为理解 ，机器学习技术如何在实际中的应用分析

分享简介

要介绍大数据平台构建优化经验，大数据量引擎的选择，以及在olap引擎的经验，以及机器学习、深度学习基础平台的一些探索经验。贝壳找房对于实时流数据处理平台秒X平台的探索经验，大数据平台构建方法大同小异，但是平台构建以后也面临很多挑战，在面临这些挑战我们如何去克服、修复它，让平台更好满足用户需求，这就是本次主题的重点。下面是本次分享的内容章节，首先讲一下架构1.0与2.0，两者分别是怎么样的，从1.0到2.0遇到了哪些问题；第二部分讲一下数据平台，都有哪些数据平台，这些数据平台都解决什么问题；第三个介绍下当前比较重要的项目“olap引擎的选型与效果”以及遇到的一些问题；第四个简单讲一下在透明压缩方面的研究。

分享提纲

1、 贝壳找房大数据平台的应用实践 2、 透明压缩的研发背景 3、 架构1.0与架构2.0 4、olap引擎的选型与效果

分享收益

1、目标：专注于贝壳找房平台的数据平台的架构设计，在贝壳找房平台大数据架构中遇到的挑战与实践的经验。

2、成功要点：zfs技术的使用，kylin的优化经验 ，大数据olap平台的构建经验

3、启示：透明压缩的技术架构，olap平台引擎优化与选型，架构1.0与架构2.0的实践经验

分享简介

在DevOps进入到如火如荼的今天，运维与开发都逐步的进入稳定的成熟发展阶段，但是对于测试端，尤其是传统企业与成熟期的互联网企业，随着规模增长、监管要求、质量要求、平台链路过长，测试端无法跟上快速迭代的效率，而业内目前发现的自动化测试无法适应当前要求，我们如何通过需求建模与自动化生成的方式，来补上最后的短板。

分享提纲

1. DevOps的正确构建方式三部曲 2. 最重要的一环（最后一部曲）：规则如何够条件 3. 当前现状，运维与开发可以解决相关问题，测试如何保证与控制 4. 测试建模，解决需求与用例的映射关系 5. 自动化拓扑关系构建，解决多流程跨多系统的关系矩阵维护代价 6. 工具胶水层的接入，不会再被工具所绑架

分享收益

1、目标： 明确DevOps后期建设的重点，及如何解决测试端的快速迭代

2、成功（或教训）要点： DevOps构建三部曲，DevOps下的各端规则如何设定，最终通过需求建模、自动化关系映射解决快速迭代问题

3、启示： 知晓DevOps正确构建路径，知晓如何解决DevOps下，质量的快速验证与质量控制问题。尤其针对传统企业与成熟期的互联网公司。

分享简介

DevOps是一种研发活动和运维活动之间协作的模式，这种模式能够有效的提高整体的端到端交付效率。但想要真正落地这些实践，会遇到很多问题，比如基础设施自助化，研发运维流程标准化等。本次分享描述如何建设一个高效的企业级DevOps平台。

分享提纲

1. DevOps的收益及困难 2. 建设DevOps平台的关键点（规范化，自动化，开箱即用） 3. 智能化运维

分享收益

１.目标：对于企业建设自己的DevOps平台提供一些经验和输入。

２.成功（或教训）要点：选择适合的基础设施；制定研发规范，并落地在平台上；以应用为中心打通研发到运维之间的纽带。

４.启示：提炼出该内容（或项目）的具体收益点。提高组织级别的整体研发运维效率，助力企业的DevOps转型，让企业的整体研发过程更透明，更易管控。

分享简介

Nginx如何配置才能获得最大性能，应当如何选择合适的第三方模块才能正常发挥出其性能优势。Openresty应当如何使用其指令和注入API才能符合预期，获得可维护性强且不会阻塞并发性的服务如何

分享提纲

1、nginx的进程与内存模型；2、nginx的变量机制；3、nginx的stream负载均衡；4、nginx的http请求处理机制；5、openresty作为nginx第三方模块是如何实现lua嵌入的。6、nginx的运维要点。

分享收益

1、目标：可以正确的配置nginx，以及配置linux操作系统，理解nginx对内存与cpu的使用，使nginx在性能上发挥到极致；可以正确的使用openresty，以及添加其他第三方模块，使他们之间有机配合，实现灵活的功能同时并不有丢失高并发特性；
2、成功要点：理解nginx的进程模型与内存模型，理解nginx基本数据结构与窗口，理解http模块的架构设计，理解负载均衡的要点，理解openresty是如何嵌入nginx及注入API的。
3、启示：可以举一反三的领会所有nginx模块的使用要点，对变量、http阶段、stream阶段、lua注入方式、nginx的运维本质等有透彻的认识。

分享简介

在当下的大数据平台中，监控已然成为了一个炙手可热的话题。能拥有一个稳定高效的监控系统是提供稳定数据服务以及智能化运维的奠基石。eBay很早就投身了这个领域，并且拥有了第一个apache顶级项目eagle。随着时间的推移，我们发现在最初的监控设计中，往往出发点会更多的考虑系统的通用性和扩展性，造成监控系统有非常多的产品线依赖。这样就会造成牵一发，动全身的现象。同时伴随着功能升级缓慢，易用性大打折扣的影响。所以根据我们自身的一些经验，我们会把日志分析的相关部分分析独立出来，从而使我们可用专注在监控“数据”上面。在这样的一个大背景下，Prometheus进入了我们的视线。我们也本着不过度封装和二次开发产品的原则，尽量能够通过高效的使用方法来挖掘现有产品的潜力。所以这次的分享将紧紧围绕在这个主题展开。

分享提纲

监控数据智能化收集，监控系统自适应扩展，监控自动化部署，监控高可用检测及恢复，报警数据自动化归类分发

分享收益

１.目标：
能够简化为大体量平台提供数据监控服务的技术门槛和降低时间。同时通过监控数据对于产品调优提供便利。相对于对于运维来说，给大家提供另外的一些想法，去提高自身产品的灵活性，以及适应灵活多变的应用场景的能力。
２.成功（或教训）要点：
方案必须简单，快速，灵活以及切实可行。然后分迭代的快速给团队带来效果。
扩大影响。对于自身产品的使用介绍以及推广。让更多的的一线工程师能够参与对于数据的收集和理解。同时这个也建立在产品易用性的基础上。
灵活。能够适应不断增加的真正的业务需求。不要将非常复杂而且不容易复用的特性带进来，增加维护的代价和提高学习曲线。
3.启示：
1）对于监控系统的使用抛砖引玉。其实监控系统对于平台性能调优，提高物理资源的使用率都能带来收益。
2）降低对于大体量平台提供数据监控服务的技术门槛以及最佳实践的若干分享。

分享简介

随着AI技术的不断发展和成熟，越来越多的企业选择使用AI技术来,解决传统场景下的需要大量人力物力才能解决的问题，图像识别， 人脸识别，语音识别，智能客服，等等。由于AI技术运行环境的复  杂度较高，技术栈种类繁多，往往是由研发人员手工操作，但是作为大规模使用AI技术的公司而言，如何提高环境的交付效率，保证运行环境的一致性，提升运行环境的稳定，满足不同团队对技术栈  的个性化需求，这是AI技术落地必须考虑的问题，也是我们从业务  运维DevOps延展到AI运维DevOps过程中不断摸索的历程

分享提纲

1AI场景介绍 2AI场景下的运维难点 3如何满足AI研发团队的多样化需求 4从DevOps思想出发，思考AI场景下的快速交付实践 5经验总结和展望

分享收益

目标：帮助AI相关从业者提供高效、一致、可重用的AI运行时环境；结合DevOps思想来将AI场景下的运维融合到现有运维体系，规范AI场景下运维标准化和自动化。

成功要点：标准化先行是任何运维工程必要的前提，标准化+运维自动化=好的运维平台；配置驱动变更是能够保障规范和稳定的一剂良药。

启示：结合DevOps和业务方实际的场景需求，来帮助业务方实现快速的价值交付，帮助企业内部提高AI研发组织的整体研发效率。

分享简介

为何敏捷在实施一段时间后，随着人员流动、教练离开、文化冲突，导致敏捷实施的效果逐步缩减，最终不得不维护一套繁重的方式来应对。

而部分一开始就直接上手DevOps工具链的公司，为何无法继续实施下去，为何需求让IT部门苦不堪言。

一切尽在本次分享，让企业知晓，敏捷与DevOps是需要如何进行有效整合的，才能促进企业数字化转型的真正落地。

分享提纲

1. 瀑布、敏捷与DevOps之间的优点与适应性场景2. 比较瀑布、敏捷与DevOps，深层次挖掘之间的区别与关联3. 复杂业务协同的关键点，如何用敏捷与DevOps来保障4. DevOps的作用5. DevOps的问题，需要敏捷来帮助6.两者之间如何有效整合

分享收益

１.目标：

明确敏捷与DevOps之间如何配合，如何在IT研发运维周期中，担当的不同角色。

２.成功（或教训）要点：

敏捷的知识沉淀靠DevOps，DevOps为价值的流转型阶段，敏捷为前期的价值创造型，两者需要紧密配合

3. 启示：提炼出该内容（或项目）的具体收益点。

知晓大规模敏捷中，需要DevOps在哪些阶段的配合；同时敏捷如何指导价值创造性的需求产生与代码开发，来最终实现DevOps维护的价值与规则